[發明專利]一種基于人工神經網絡的心臟病診斷研究方法

在審

• 申請號: 202210822890.9
• 申請日: 2022-07-14
• 公開（公告）號: CN114898871A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 符瑩瑩
• 申請（專利權）人: 陜西省人民醫院;藏暉醫療科技（徐州）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62;G06N3/04;A61B5/318;A61B7/02
• 代理公司: 北京博識智信專利代理事務所(普通合伙) 16067
• 代理人: 鄧凌云

本發明提供了一種基于人工神經網絡的心臟病診斷研究方法，系統包括：包括心音數據預處理模塊、心電數據預處理模塊、心音診斷預測模型、心電診斷預測模型和數據融合分級診斷模型；所述心電診斷預測模型包括，數據輸入層、編碼自注意力層和前饋神經網絡層；本發明屬于涉及人工智能心臟病領域，本發明的優點在于：心音診斷預測模型、心電診斷預測模型和數據融合分級診斷模型綜合利用心音數據和心電數據，進行心臟疾病的準確診斷；數據融合分級診斷模型中的自組織層根據獲勝神經元距聚類中心的距離，即可按照病情的嚴重程度給出分級診斷結果；編碼自注意力層的注意力機制，無需按時間順序處理采樣數據，可并行化計算，可達到實時診斷的效果。

技術領域

本發明涉及計算機領域，特別指一種基于人工神經網絡的心臟病診斷研究方法。

背景技術

心臟雜音是心臟疾病的臨床體征之一，心臟雜音反映了心臟在收縮時候或舒張的時候，血管內的血液在心臟或身體內的血管內產生湍流，影響到心臟瓣膜或體內血管振動，從而產生異常的聲音，某些雜音是診斷心臟病的主要依據，如在心尖區出現舒張中期伴收縮期前遞增性隆隆樣雜音，可診斷為二尖瓣狹窄，心臟雜音既可以和心音分開也可以和心音糾纏，有時候也會覆蓋住心音；因此心音數據在心臟病診斷中占有非常重要的地位。

常規的心電圖檢查可以了解有無心律失常、心肌缺血、心肌梗死的存在，有無心臟的傳導系統異常，比如左束支、右束支或者是房室傳導阻滯，有無心臟的肥大，包括左心房、右心房的肥大，左心室、右心室的肥大。

但是傳統依賴心音和心電的診斷方法的診斷結果嚴重依賴于心臟專科醫師，并要求其有多年的臨床經驗；傳統的心臟病診斷方式要么單一性考慮到心音，要么單一性考慮到心電，難以將心音與心電的采集信息進行綜合利用；傳統的基于循環神經網絡的心臟診斷系統由于時序性考量，需要按時間順序處理采樣數據，不利于并行化計算，因此這種方式嚴重影響了診斷時間，不利于實時診斷。

發明內容

（一）要解決的技術問題

為解決現有技術上的問題，本發明提供一種基于人工神經網絡的心臟病診斷研究方法，其目的在于解決：

（1）傳統依賴心音和心電的診斷方法嚴重依賴于心臟專科醫師，并要求其有多年的臨床經驗；

（2）傳統的人工智能算法無法按照病情的嚴重程度給出分級診斷結果；

（3）傳統的心臟病診斷方式要么單一性考慮到心音，要么單一性考慮到心電，難以將心音與心電的采集信息進行綜合利用；

（4）傳統的基于循環神經網絡的心臟診斷系統由于時序性考量，需要按時間順序處理采樣數據，不利于并行化計算，因此這種方式嚴重影響了診斷時間，不利于實時診斷。

（二）技術方案

針對本發明要解決的技術問題，提出一種基于人工神經網絡的心臟病診斷研究方法，包括心音數據預處理模塊、心電數據預處理模塊、心音診斷預測模型、心電診斷預測模型和數據融合分級診斷模型；所述心電診斷預測模型包括，數據輸入層、編碼自注意力層和前饋神經網絡層：

（1）數據輸入層，將每個周期的原始心電數據均勻采樣得到維度為1×512的心電數據EC，并將4個周期的心電數據EC合并得到4×512的心電數據EC1，將心電數據進行位置編碼嵌入得到心電數據EC2，進行位置編碼的原因是由于心電數據EC1的處理方式是一次輸入集中處理，從而忽略了數據之間的時序關系，因此需對心電數據EC1進行位置編碼來描述心電數據EC1各個分量之間的先后關系。

（2）編碼自注意力層，對輸入到編碼自注意力層的心電數據EC2計算各個周期分量之間的相關性，具體操作步驟如下：

S1、隨機生成特征提取矩陣W^q、W^k和W^v，并將特征提取矩陣W^q、W^k和W^v設置為不可訓練，所述特征提取矩陣W^q、W^k和W^v的維度均為512×64；